onetake:把產品 Demo 接成一鏡到底的動效影片
onetake 讓 AI 程式代理用 HTML 製作產品動效短片:先設計畫面承接,再用 Python 渲染與幾何量測驗收。看它如何安排一鏡到底、重建介面,以及非商用授權的採用邊界。
作者
Seer
日期
2026-10-07
onetake 的核心概念,是讓 AI 程式代理製作具備連續運鏡感的產品短片。輸入框展開成產品介面,介面重排為手機畫面,線條延伸為下一段的網格。鏡頭始終跟隨同一個視覺主體,讓每個新出現的畫面都有跡可循。[1]
它提供一套主要搭配 Claude Code 使用的製片 skill,整合 HTML 動畫、動效函式庫、Python 渲染與自動驗收機制。從視覺概念發想、節拍表規劃到最終輸出影片,整個流程都聚焦在同一個問題:這一段結束後,畫面裡的什麼元素會留下來,帶著觀眾走進下一段?[1][2]
這套方法很適合用來研究產品發布片、預告片與功能演示。不過在採用前需要特別注意:目前專案採用 PolyForm Noncommercial 1.0.0 授權,商業用途並不在許可範圍內。若要用於商業廣告或客戶委託專案,應先取得作者的正式授權。[7]
先看影片:輸入框怎麼變成整個產品畫面
在官方釋出的 30 秒發布片 中,作者透過三次輸入動作串起三段虛構的產品示範。[8]
第一個輸入框先展開成桌面行事曆,接著重組成手機介面。另一段裡的輸入框則收縮成一條線,劃過桌面後化為活動海報的網格結構。最後鏡頭向後拉遠,讓多個片段收攏在同一個空間,再轉入場景結尾的品牌標誌。[1][8]
這套設計的關鍵,在於為前後相鄰的畫面安排共同的承接元素。觀眾看著它變形、位移、縮放,自然就能理解下一個場景的由來。
另一支 one-dot 示範 則把這個原則發揮得更徹底:一顆圓點先當作文字游標,隨後切換成選單項目圓點、載入環與彈簧曲線,最後定格為品牌字標。核心角色貫穿全程,形態與功能持續流轉。[9]
專案原始碼將這種承接方式定義為 carry。簡單來說,就是讓上一段的視覺元素持續參與下一段的演出,引導觀眾順著同一個焦點理解畫面演進。[2]
怎麼開始:裝進代理的 skills 目錄
官方提供了兩種常見的安裝路徑。[1]
搭配 Claude Code:
git clone https://github.com/feitangyuan/onetake.git \
~/.claude/skills/onetake
這會將相關的製片規範、函式庫與工具腳本放進 Claude Code 的 skills 目錄。
搭配 Codex 或其他會讀取 skills 目錄的代理環境:
git clone https://github.com/feitangyuan/onetake.git \
~/.agents/skills/onetake
完成這一步,就等於把製作規範與工具腳本交給代理讀取。接下來還需要配置本機的渲染環境,文件列出的主要依賴包含:[1][2]
- Python 3、Playwright 與 Chromium:負責載入 HTML composition、精準設定時間並擷取畫面。
- NumPy、SciPy、Pillow、Matplotlib:處理影像運算、音訊訊號與幾何量測。
- FFmpeg/ffprobe:負責視訊編碼、音訊混音與檔案結構分析。
- Node.js:執行各類動效函式庫測試等輔助流程。
- 依需求選配:參考影片分析需安裝
opencv-python。字型處理需搭配fonttools與brotli。若要加入語音合成,則可整合 Kokoro TTS 與faster-whisper等工具。
環境就緒後,就可以用自然語言向代理描述需求。比起含糊地要求「做一支酷炫的影片」,清楚列出產品特性、素材來源與元素承接方式會有效得多。以下是一個非商業練習的提示詞範例:
用這三張 App 截圖,做一支 15 秒的個人作品展示影片。
主角是搜尋框:輸入問題後,搜尋框展開成結果頁,
其中一張結果卡再放大成詳細內容,最後收回搜尋框。
先提供三個視覺概念與節拍表,讓我選擇。
先做 1080p30 草稿。畫面中的資料使用我提供的真實內容。
這段範例用來示範如何交代製作需求。它讓代理先處理「主體如何承接下一個畫面」,並在概念與草稿階段保留人工確認。[2]
先選視覺概念,再安排每一段
onetake 的規範要求代理在動工前先提出三個方向各異的視覺概念,供使用者挑選。這些差異應具體體現在畫面的運作邏輯上,例如「單一物件持續形變」、「鏡頭連續跨越不同空間尺度」或是「碰撞觸發連鎖動態」。[2]
概念敲定之後,才著手編寫節拍表。除了標記時間軸與畫面內容,還必須清楚交代:[2]
- 哪些元素在動,哪些元素維持靜止。
- 鏡頭當下要引導觀眾注意什麼重點。
- 哪一個物件會延續到下一段。
舉例來說,若要展示一款資料整理 App,可以將資料列設定為貫穿全片的主角:先堆疊成雜亂的清單,再依類別自動歸位,最後重組成統計圖表。如此一來,產品功能展示與視覺動態就能維持在同一條敘事線上。
依照製片規範,選定概念後代理會撰寫 HTML composition,透過動效函式庫安排位移、變形與虛擬運鏡,並產出低解析度草稿、搭配音訊、執行自動驗收,直到通過人工確認後才輸出最終成品。[2]
畫面在動態轉換之餘,也必須適時停頓讓資訊被看清。因此規範特別要求交替安排長短節奏與靜止時刻,把產品重點放在觀眾能輕鬆閱讀的時間區段。[2]
技術原理:給它時間,就能重建那一幀
影片畫面由 HTML、CSS、JavaScript 與 Canvas 組成。核心介面是 window.__seek(t):composition 需要實作這個介面,依傳入的時間重新設定對應畫面。[2][5]
為了讓相同時間點產生相同畫面,彈簧、位移與縮放等計算都要以時間為基準。需要累積狀態的動態模擬,則會先以固定種子預先演算完畢,再依時間點取樣。[2]
這項特性帶來兩個直接好處:修改畫面時能隨意跳至特定時間點檢視,渲染運動模糊時也能反覆擷取單一影格鄰近的時間片段,無須每次都從第一秒重新播放。
在渲染流程中,渲染腳本透過 Playwright 啟動 composition 並呼叫 __seek(t),交由 Chromium 擷取影格,最後透過 FFmpeg 編碼封裝成 MP4 檔案。[5]
快速移動的模糊,來自多個時間點的畫面
渲染器預設啟用 180° 快門機制。它會在單一影格的曝光時間區間內擷取多個子畫面,轉換至線性光空間進行平均融合,再轉回目標色彩空間輸出。多個時間點的畫面融合後形成動態模糊。能辨識為靜止的畫面可以略過額外取樣,節省運算。[5]
輸出規格分為兩個階段:[5]
| 階段 | 預設輸出 | 用途 |
|---|---|---|
| 草稿 | 1920×1080、30 fps | 確認內容、節奏、運鏡與畫面銜接 |
--final | 預設尺寸下為 3840×2160、60 fps | 人工審查確認草稿後輸出最終成品 |
4K60 僅代表輸出格式規格,實際渲染時間仍須視硬體效能而定。腳本雖會調用多個瀏覽器行程分攤影格運算,整體耗時依然受到影片長度、取樣次數、場景複雜度與本機效能所影響。[5]
「確認草稿後才輸出最終版」屬於 skill 定義的操作準則,--final 參數本身並沒有內建讀取審核記錄或驗收證明的強制鎖定機制。[2][5]
它怎麼量測畫面有沒有接起來?
onetake 將自動驗收機制稱為 oracle,主要由兩支腳本分工處理:[3][4]
probe.py:沿著時間軸讀取 composition,追蹤畫面中各元素的識別碼、座標、尺寸與透明度變化,藉此分析轉場銜接與動態品質。verify_promo.py:檢查整體的節奏感、靜止停頓比例與音訊結構。若額外帶入 composition,則會進一步加入連續性、高速動作與畫面構圖的檢驗。
連續性檢查會重新取樣 HTML composition,完全根據元素身分與幾何變化來判定銜接狀態。它不會逐條對照節拍表文字,也無法理解敘事層面的故事邏輯或因果關係。[3][4]
carry score 的計分邏輯,來自所有被納入分析的轉場點:[3]
| 交接類型 | 程式判斷 | 該交接點的分數 |
|---|---|---|
| carried | 存在延續元素,且伴隨顯著位移或縮放 | 1 |
| anchored | 存在較大面積的延續元素,但位移與縮放未達 carried 門檻 | 0.5 |
| bare | 未偵測到任何具備延續性的元素 | 0 |
最終分數取所有有效交接點的平均值。高速硬切鏡頭組、片尾以及 composition 內明確宣告的切點皆可排除,因此評分範圍會隨實際偵測與設定而改變。[3]
作者在官方 README 公布的案例結果如下:[1]
| 作者列出的影片版本 | carry score | 作者的判定 |
|---|---|---|
| 早期發布片 v1 | 0.00 | 退回 |
| 同一支影片 v2 | 0.40 | 退回 |
| 同一支影片 v3 | 0.75 | 接受 |
| onetake 自己的發布片 | 0.83 | 接受 |
目前驗收腳本對連續性設定的判定標準為:低於 0.5 判定為 FAIL,從 0.5 到低於 0.7 為 WARN,達到 0.7 以上則為 PASS。單獨出現 WARN 並不會導致整體驗收失敗。[4]
在正常判斷流程下,只要已執行的項目中包含 FAIL,驗收程式便會回傳 exit code 1。然而,取樣過程中發生的 __seek 例外只會記錄並印出警告訊息,不會直接標記為 FAIL。因此在實際判讀報告時,仍須主動檢視錯誤記錄與被跳過的項目。[3][4]
這套檢查可以協助找出「畫面突兀全換」、「焦點物件脫離可視範圍」、「高速動態缺少動態模糊」等常見瑕疵,但前提是必須確保對應的檢查參數已正確啟用。連續性檢驗需加上 --comp,鏡頭長度檢驗需傳入 --shots,主體是否出鏡則仰賴 composition 內的 inFrame 標記宣告。[4]
評分同時必須結合偵測到的交接點數量共同評估:若畫面中完全沒有任何納入計分的交接點,程式會直接回傳 1.0。此外,自動追蹤機制在處理遮罩與裁切路徑時仍存在盲區。演算法量測的是幾何數值與元素變化,至於產品訴求是否清楚傳達、創意是否引人入勝,依然需要仰賴人工審視。[3]
skill 內部甚至記錄過一個 carry score 達到 1.00 卻因構想太接近既有模板而被退回的案例。技術面的數值檢驗與創意面的內容判斷各司其職,兩者缺一不可。[2]
功能演示:把介面重建成能控制的畫面
針對功能演示需求,onetake 提供了另一條製作路徑:參考產品截圖或操作錄影,直接在 HTML 中重新打造出展示所需的介面元件與互動狀態。[6]
舉凡展開下拉選單、切換模式、送出表單到呈現計算結果,所有狀態都交由 composition 的時間軸精準掌控。鏡頭能自由放大特定操作區域,提示標籤也能直接貼合 DOM 元素的座標排版。[6]
這種做法讓文案調整、操作節奏微調與鏡頭變更變得相當靈活。若要製作多語言版本,只要在同一份 composition 內替換文字與配音檔,並將新語言的關鍵語音落點對齊既有的動態時間即可。[6]
相應的代價,在於每個介面狀態都需要花時間與真實產品仔細對照。官方文件也明確規範:畫面中出現的各項數據、檔案名稱、視覺圖表與輸出成果,都必須採用產品實際運算產出的真實資料。[6]
介面重建只是一種視覺呈現手法,背後仍須由產品的真實能力作為支撐。在功能展示影片中,動效越是流暢,越要避免讓觀眾誤把精心編排的示意動畫當成軟體的即時反應。
另外,旁白為主的影片在驗收時也存在機制差異:現行音訊檢查會強制要求保留一定比例的靜音區間,但連續不斷的旁白語音往往無法通過這項限制。官方指南已註明此一局限,因此不應將動效短片的音訊門檻直接套用到所有配音 Demo 上。[4][6]
採用前,先確認授權與可重現範圍
公開釋出的專案包含製片規範、動效函式庫、工具腳本與專案模板,採用 PolyForm Noncommercial 1.0.0 授權。文件已清楚標明不開放商業用途。若計畫將這套工具用於製作企業宣傳片、收費接案或其他商業交付項目,務必事先取得合法授權。[1][7]
另外有三個採用邊界需要留意:
- 官方案例僅提供成品與說明,未公開影片原始碼。README 中列出的 10 支案例影片,並未隨附各自的 composition、配樂腳本與音訊素材。使用者可以參考其創作思路,但無法直接從公開儲存庫完整重跑並重建那些影片。[1][8]
- 音樂、音效與產品素材皆有各自的使用規範。除了工具本身的授權外,外部素材的授權合規同樣需要逐一確認。標榜「免版稅」的素材也需檢視其允許的應用場景與再散布規範。[2]
- 運算環境與硬體資源需由使用者自行調配。公開文件沒有通用的最低記憶體需求、渲染速度保證或單支影片的運算成本。需依影片長度與設定自行測量。
如果主要目標是學習產品動態設計、製作非商業性質的個人展示,或是探討程式代理如何主導影片生成,onetake 確實提供了一套具體可行的方法論與清晰的程式碼實作。若要投入商業專案,先處理授權。
它的適用範疇也十分明確:主要聚焦在短篇產品宣傳片與功能演示,文件已將長篇影片、訪談紀錄以及既有素材的通用剪輯排除在目標範圍之外。[2]
下一個畫面,要從現在這個畫面裡出現
onetake 提供了一個直覺的分鏡思考工具:在規劃每個分段時,順手加上一欄「保留什麼元素」。
一張卡片能展開成整個主頁,一個輸入框能放大為產品視窗,一顆微小的圓點也能串起整支影片的動態脈絡。只要這條視覺主線確立下來,鏡頭動向、音效配置與動態細節就能擁有明確的依歸。
想用 AI 製作產品影片,可以從這裡開始:先替畫面找到下一步,再替它加上動畫。
參考來源
功能特性與驗收標準以 2026 年 10 月 6 日查閱的官方公開版本為準。引用的原始碼皆對應至同一個 commit。
下一個畫面,從現在這個畫面裡出現。
Signals
Visits
--
Waiting for Cloudflare metrics.